揭示EEG低维对象属性的时序表征
人机交互
2025-07-22 v1
摘要
理解人类大脑如何编码和处理外部视觉刺激是神经科学的基本挑战之一。随着人工智能的发展，复杂的视觉解码架构在 fMRI 研究中取得了显著成功，使我们能够更精确、细粒度地实现空间概念定位。这为探索脑中概念的空间表征提供了新工具。然而，尽管EEG 在毫秒尺度上拥有独特的时序分辨率优势，却在跟踪认知过程的动态演化方面远未被充分利用。这主要是由于EEG 本身的信噪比极低以及其复杂的时空耦合特征所致。为弥合这一研究空白，我们提出了一种新方法，通过整合先进的神经解码算法系统性地探索低维对象属性在EEG信号中的时序编码方式。我们首次尝试在时序分布中识别概念的特异性和原型时序特征。该框架不仅增强了神经表征的可解释性，也为脑机接口 (BCI) 中的视觉解码提供了新视角。
引用
@article{arxiv.2507.14537,
title = {Uncovering the EEG Temporal Representation of Low-dimensional Object Properties},
author = {Jiahua Tang and Song Wang and Jiachen Zou and Chen Wei and Quanying Liu},
journal= {arXiv preprint arXiv:2507.14537},
year = {2025}
}